Het stadium van longkanker bij diagnose voorspellen op basis van zelfgerapporteerde symptomen en achtergrondfactoren met machinelearningmodellen

Waarom het zo moeilijk is longkanker vroeg te ontdekken

Longkanker is een van de dodelijkste kankersoorten, vooral omdat het vaak te laat wordt ontdekt, wanneer behandelopties beperkt zijn. Toch hebben veel mensen met longkanker vóór en bij de diagnose wel symptomen — zoals hoesten, kortademigheid, vermoeidheid of gewichtsverlies — die artsen in theorie eerder zouden kunnen waarschuwen. Deze studie stelde een simpele maar belangrijke vraag: als patiënten systematisch hun symptomen en achtergrondinformatie gedetailleerd rapporteren, kunnen computers dan leren wie waarschijnlijk longkanker heeft en of die in een vroeg of laat stadium is?

Luisteren naar de eigen verhalen van patiënten

De onderzoekers volgden 486 mensen die naar een specialistisch spreekuur in Stockholm waren verwezen omdat hun arts longkanker vermoedde. Iedereen vulde een gedetailleerde elektronische vragenlijst op een tablet in, genaamd PEX-LC. Die vroeg naar 57 achtergrondfactoren (zoals leeftijd, roken, woonsituatie en eerdere longziekten) en meer dan 100 mogelijke symptomen, van ademhalingsklachten en hoest tot pijn, vermoeidheid, eetlustveranderingen en koorts. De vragen brachten niet alleen de allereerste waarschuwingssignalen in kaart, maar ook welke symptomen aanwezig waren rond het moment van diagnose. In het jaar daarna lieten medische dossiers zien wie longkanker kreeg en of dit in een niet-gevorderd stadium (meestal stadia I–IIIa) of in een gevorderd stadium (IIIb–IV) was.

Wie uiteindelijk longkanker bleek te hebben

Van de verwezen personen had ongeveer vier op de tien geen kanker, terwijl zes op de tien werden gediagnosticeerd met longkanker, grofweg gelijk verdeeld over niet-gevorderde en gevorderde stadia. Vergeleken met degenen zonder kanker waren patiënten met longkanker doorgaans ouder, rookten ze vaker dagelijks, leefden ze vaker alleen en hadden ze vaker in het voorgaande jaar gewicht verloren. Bij mensen met gevorderde ziekte waren mannen oververtegenwoordigd en kwamen eerdere longaandoeningen zoals astma, COPD en longontsteking vaker voor. Deze achtergrondpatronen suggereren dat alledaagse factoren — leeftijd, rookgeschiedenis, woonsituatie en recente gezondheidsveranderingen — krachtige risicoindicatoren blijven, zelfs voordat men naar specifieke symptomen kijkt.

Symptomen die opvallen

Toen het team de gerapporteerde symptomen vergeleek, bleek dat mensen met vroegstadige longkanker verrassend veel leken op degenen zonder kanker: alleen een fluitend ademgeluid en het ontbreken van koorts onderscheidden hen duidelijk in eenvoudige één-op-éénvergelijkingen. Daarentegen hadden mensen met gevorderde longkanker veel meer onderscheidende klachten. Zij meldden vaker kortademigheid, naar lucht happen, prikkelende hoest en luidruchtig ademen, evenals pijn (vooral in de rug), sterke vermoeidheid, zwakte, rillingen en eetproblemen zoals vroeg verzadigd zijn en verlies van eetlust. Deze patronen bevestigen dat longkanker bij gevorderd stadium vaak meerdere lichaamsfuncties verstoort, terwijl vroege ziekte zich kan verschuilen achter vage of gemakkelijk te bagatelliseren gewaarwordingen.

Wat de computers wél en niet konden

Om te onderzoeken of complexe combinaties van antwoorden een duidelijker beeld konden geven dan elk afzonderlijk symptoom, trainden de onderzoekers verschillende typen machinelearningmodellen. Deze algoritmen leerden van 129 verschillende vragenlijstvariabelen om mensen met niet-gevorderde kanker te scheiden van mensen zonder kanker, en afzonderlijk om gevorderde kanker te onderscheiden van geen kanker. De modellen bereikten slechts matige nauwkeurigheid: ze deden het beter dan toeval maar waren verre van perfect, vooral voor vroegstadige ziekte. Achtergrondfactoren zoals leeftijd, rookstatus, geslacht en alleen wonen stonden consequent hoog in de lijst van meest invloedrijke voorspellers. Sommige symptomen — prikkelende hoest, fluitend of luidruchtig ademen, naar lucht happen, beklemming in de keel, pijn en veranderingen in eetlust of gewicht — droegen ook bij, met name bij gevorderde kanker. Echter, geen kleine set symptomen domineerde; eerder moesten tientallen subtiele kenmerken worden gecombineerd om bescheiden prestaties te bereiken.

Wat dit betekent voor patiënten en artsen

De studie laat zien dat simpelweg mensen gedetailleerd vragen naar hun symptomen en levensomstandigheden zinvolle patronen kan onthullen die aan longkanker gelinkt zijn, maar dat deze signalen vaak zwak zijn, vooral in de vroegere stadia waarin behandeling de beste kans op genezing biedt. Machinelearningmodellen die alleen op vragenlijstgegevens zijn gebaseerd, kunnen helpen inschatten welke verwezen patiënten mogelijk extra dringend onderzoek nodig hebben, maar ze zijn niet nauwkeurig genoeg om op zichzelf screeningsinstrumenten of diagnostische tests te vormen. Voor patiënten en clinici is de belangrijkste les dat leeftijd, roken, alleen wonen en recent gewichtsverlies, gecombineerd met aanhoudende ademhalingsproblemen, pijn, verlies van eetlust of onverklaarde vermoeidheid, de drempel voor grondig longonderzoek zou moeten verlagen. De auteurs betogen dat de toekomst van vroegere opsporing van longkanker waarschijnlijk zal komen door het combineren van zulke zelfgerapporteerde informatie met klinische gegevens en biologische tests, in plaats van te vertrouwen op symptomen alleen.

Bronvermelding: Gustavell, T., Sissala, N., Pernemalm, M. et al. Predicting lung cancer stage at diagnosis based on self-reported symptoms and background factors using machine learning models. Sci Rep 16, 11866 (2026). https://doi.org/10.1038/s41598-026-46710-8

Trefwoorden: longkanker, vroegtijdige opsporing, patiëntgerapporteerde symptomen, machine learning, risicobeoordeling